推出我们的Artifacts Hub与采用度仪表盘

这篇短文没有配音，但这里有快速视频版本。我们正在将开放模型的覆盖范围扩展到独立项目中，让您更深入地了解开放模型生态系统的现状。新的免费数据来源包括：Artifacts Hub——一个精选的Hugging Face热门模型视图，通过Open Router突出推理令牌，通过Artificial Analysis突出模型智能，以及我们在Hugging Face数据基础上定制的采用度指标。我们的采用度仪表板——一个按地理和组织划分的下载量和衍生模型数量的实时仪表板，突出显示了美中差距以及开放生态系统中不断增长的参与者。迄今为止，我们在Interconnects上的主要工作包括对Kimi K3、GLM 5.2、DeepSeek R1等热门模型的发布回顾，以及每月重要开放模型汇总（Artifacts Log）。我们正在这些基础上扩展，利用为The ATOM Project（及报告）等其他项目收集的工具和内部数据。这使我们能够捕捉对开放模型的生态系统视角，开发理解大型MoE模型采用度的方法，以及介于两者之间的一切。我们免费分享这些内容，以帮助开放生态系统发挥其优势并成长。

访问Artifacts Hub

Artifacts Hub目前涵盖了过去两年发布的792个模型，包括核心的文本聚焦语言模型和多模态生成模型。在Interconnects，我们跟踪Hugging Face上每个模型的数据，分析核心的数千个LLM（此列表在GitHub上公开并定期更新），并手动选择核心的数百个进行进一步解释。我们与Project VAIL（一家人工智能验证初创公司，一直是我们开放模型策展的最忠实粉丝之一）合作构建了Hub，以更深入地分析这些内容。对于最受欢迎的模型，Hub让您快速查看基于Artificial Analysis智能指数的模型在前沿智能方面的落后程度，将Hugging Face和Open Router的采用度与类似模型进行比较，查看时间大小归一化下载量的相对采用度指标（RAM）分数，或查看VAIL相似度指数与相关代际模型的关系。以下是GLM-5.2等模型示例的快照。

我们的另一个项目更轻量，但早已该推出。自从我们撰写The ATOM Project以来，我们一直在AI生态系统中反复看到美国与中国模型采用度对比图。我们会不时更新该图，但频率不够。现在，我们正在将该报告和生态系统的关键数据放入每日更新的仪表板中。

访问我们的仪表板

Interconnects的核心使命是赋能开放生态系统。当前，当世界正在摸索如何高效利用开放模型——尤其是以成本竞争力方式对标前沿模型时——提供更多关于现状的透明度是我们找出有效方法的最佳途径。我们很乐意听取您的意见，了解如何改进这些内容，请与我们联系。我们也对其他方如何利用我们的策展数据进行开放生态系统中的其他产品或研究感兴趣。请通过mail@interconnects.ai与我们联系。再次感谢Hugging Face、Open Router和Artificial Analysis团队使这一切成为可能——尤其是Hugging Face。感谢VAIL在推动和支持这些项目方面的贡献。